第一章 绪论
1.1 研究背景以及意义
1.2 国内外研究现状
1.2.1 基于深度学习的文本分类
1.2.2 类别不平衡问题
1.3 主要研究工作
1.4 论文组织结构
第二章 相关理论
2.1 文本分类
(1)预处理
(2)特征提取
(3)分类器
(4)结果评价
2.2 类别不平衡问题
2.3 Word2vec
2.3.1 CBOW
2.3.2 Skip-gram
2.4 注意力机制
2.5 循环神经网络
2.6 本章小结
第三章 问题分析与解决思路
3.1 问题分析
3.2 传统方法
3.3 算法思路
3.4 本章小结
第四章 算法设计
4.1 算法流程
4.2 词类别特征提取
4.2.1 类特征词提取
4.2.2 词类别特征表示获取
4.3 词向量增强BiGRU-Attention模型
4.3.1 嵌入层
4.3.2 BiGRU 层
4.3.3 注意力层
4.3.4 分类结果输出与模型训练
4.4 多通道词向量增强BiGRU-Attention模型
4.5 本章小结
第五章 实验与分析
5.1 数据集与评价指标
5.1.1 数据集
5.1.2 评价指标
5.2 实验设置
5.2.1 实验环境
5.2.2 数据预处理
5.2.3 实验参数设置
5.3 实验结果与对比分析
5.3.1 对比实验结果与分析
5.3.2 消融实验结果与分析
5.3.3 不同特征融合方式实验结果与分析
5.3.4 不同通道数实验结果与分析
5.4 本章小结
总结与展望
参考文献
攻读学位期间发表的成果
声明
致谢
广东工业大学;